基于图像的机车司机疲劳检测系统研究
| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第9-11页 |
| 1 绪论 | 第11-15页 |
| §1.1 课题研究背景与意义 | 第11页 |
| §1.2 国内外相关技术的发展 | 第11-13页 |
| §1.3 本课题研究内容及章节安排 | 第13-15页 |
| 2 疲劳检测系统的设计 | 第15-28页 |
| §2.1 疲劳状态检测的指标 | 第15-16页 |
| §2.2 人脸检测技术概述 | 第16-23页 |
| §2.2.1 基于知识的方法 | 第18-21页 |
| §2.2.2 基于统计的方法 | 第21-23页 |
| §2.3 疲劳检测系统 | 第23-28页 |
| §2.3.1 系统组成 | 第23-25页 |
| §2.3.2 检测过程 | 第25页 |
| §2.3.3 算法的评价标准 | 第25-28页 |
| 3 基于HAAR特征的ADABOOST人脸检测 | 第28-39页 |
| §3.1 HAAR特征 | 第28-29页 |
| §3.2 积分图 | 第29-31页 |
| §3.3 ADABOOST分类器 | 第31-37页 |
| §3.3.1 AdaBoost强分类器的构造 | 第32-34页 |
| §3.3.2 层叠分类器 | 第34-37页 |
| §3.4 检测人脸 | 第37-39页 |
| §3.4.1 搜索方法 | 第37-38页 |
| §3.4.2 重叠检测的合并 | 第38-39页 |
| 4 人眼定位算法与疲劳状态检测 | 第39-48页 |
| §4.1 常用的人眼定位算法 | 第39-40页 |
| §4.2 模板匹配算法 | 第40-43页 |
| §4.3 人眼模板匹配 | 第43-45页 |
| §4.3.1 模板的选择 | 第43-44页 |
| §4.3.2 模板的匹配方式 | 第44-45页 |
| §4.4 疲劳状态的检测 | 第45-46页 |
| §4.5 图像的预处理 | 第46-48页 |
| 5 疲劳检测系统的实现与结果分析 | 第48-63页 |
| §5.1 人脸检测 | 第48-57页 |
| §5.1.1 样本训练集 | 第48-49页 |
| §5.1.2 训练的结果 | 第49页 |
| §5.1.3 检测结果 | 第49-55页 |
| §5.1.4 人脸检测结果分析 | 第55-57页 |
| §5.2 人眼检测 | 第57-63页 |
| §5.2.1 人眼的定位 | 第57-59页 |
| §5.2.2 人眼的状态检测 | 第59-61页 |
| §5.2.3 结果分析 | 第61-63页 |
| 6 总结与展望 | 第63-66页 |
| §6.1 系统总结 | 第63-64页 |
| §6.2 算法改进 | 第64-66页 |
| 参考文献 | 第66-68页 |
